课前准备--EGFR突变结构与药物设计
原创
课前准备--EGFR突变结构与药物设计
原创
追风少年i
修改于 2026-08-27 08:51:01
修改于 2026-08-27 08:51:01
作者，Evil Genius
今天我们梳理一个案例，来看看分子对接分子动力学的实际运用。
EGFR 是非常适合用来串联“基因突变 → 蛋白结构 → 构象变化 → 分子对接 → 分子动力学 → 药物设计 → 实验验证”的经典案例。
一个完整的结构生物学/计算药物设计工作流：
EGFR突变 → 突变蛋白结构预测 → WT/Mut结构比较 → 突变造成的构象变化 → 找结合口袋 → 药物对接 → MD验证 → MM/PBSA/自由能 → 设计/筛选新抑制剂 → 实验验证
下面以 EGFR L858R、Exon 19 deletion、Exon 20 insertion 为主线详细拆开。
一、首先要明确：EGFR到底是什么
EGFR（Epidermal Growth Factor Receptor）是一个受体酪氨酸激酶（RTK）。
它大体可以分成：
胞外结构域
│
│ EGF结合
↓
跨膜区
│
↓
胞内酪氨酸激酶结构域
│
↓
C-terminal tail
│
↓
下游信号
RAS-RAF-MEK-ERK
PI3K-AKT-mTOR
STAT真正适合进行：
- 结构预测
- 分子对接
- MD
- 药物设计
的核心，是胞内 kinase domain（KD）。
EGFR激酶结构域大约是：
残基 696–1022
其中最重要的是：
N-lobe
├── β-sheet
├── ATP-binding pocket
└── αC-helix
↓
ATP binding site
↓
C-lobe
├── catalytic loop
├── activation loop
└── substrate binding regionEGFR 的许多致癌突变，实际上就是改变这个 kinase domain 的构象平衡。
二、EGFR最重要的几个突变
如果你准备建立一个结构计算体系，我建议至少比较：
类型 | 突变 | 外显子 | 结构位置 | 主要意义 |
|---|---|---|---|---|
WT | EGFR-WT | — | — | 对照 |
L858R | Leu858→Arg | Exon 21 | activation loop | 激活突变 |
Ex19del | 如 E746_A750del | Exon 19 | β3–αC loop | 激活突变 |
Ex20ins | 如 D770_N771insNPG | Exon 20 | αC-helix附近 | 激活+TKI耐药 |
T790M | Thr790→Met | Exon 20 | gatekeeper | 获得性耐药 |
C797S | Cys797→Ser | Exon 20 | ATP pocket | 三代TKI耐药 |
这里尤其需要注意：
“19、20号外显子突变”不是一种突变。
例如：
Exon 19
最经典的是：
E746_A750del
也就是：
WT:
...E746-L747-R748-E749-A750...
Mutation:
... ΔELREA而 Exon 20 则包括很多不同的 insertion，例如：
D770_N771insNPG
它们虽然都叫 Exon 20 insertion，但结构效应并不完全一样。
三、为什么 L858R 会激活 EGFR？
这是整个 EGFR 结构生物学中非常经典的问题。
L858 位于：
activation loop（A-loop）
原本：
L858 = Leucine突变：
L858R
Leu → Arg也就是：
疏水氨基酸
↓
带正电的大侧链这不是简单的“一个氨基酸换掉了”。
真正重要的是：
它改变了 EGFR kinase domain 的构象能量景观。
1. WT EGFR存在 inactive ↔ active 平衡
可以简单理解成：
┌──────────────┐
│ │
↓ │
Inactive EGFR ⇄ Active EGFR
│
↓
ATP binding
↓
phosphorylation正常情况下：
inactive state 占比较大的比例。
2. L858R把平衡推向active state
L858R改变activation loop附近的局部环境，使inactive kinase构象不再那么稳定。
结果：
WT
Inactive
↑
│
│ equilibrium
│
↓
Active
L858R
Inactive
↓
↓
Active
↑↑↑所以：
L858R不是简单地“让ATP结合更强”。
它更核心的作用是：
改变active/inactive构象之间的能量平衡，使active kinase构象更容易出现。
近期结构/动力学研究也支持 L858R 会稳定活性构象，并影响EGFR二聚化及更高阶组装。
四、Exon 19 deletion为什么也会激活EGFR？
这里就非常适合做结构模拟。
经典突变：
E746_A750del
删除：
E746
L747
R748
E749
A750也就是：
ELREA
它所在的位置非常关键：
β3
│
↓
β3–αC loop
│
↓
αC-helixαC-helix 是EGFR kinase activation的核心结构元件。
可以简单画成：
β3
│
│
└──── loop ──── αC helix
│
│
↓
active/inactive
switchExon19 deletion缩短了这个loop。
于是会使αC-helix更倾向于：
inward / active position
而不是：
outward / inactive position
所以：
Ex19 deletion
↓
β3-αC loop缩短
↓
αC-helix构象受到限制
↓
active conformation ↑
↓
EGFR kinase activity ↑这也是为什么 Ex19del 和 L858R 都属于经典的 EGFR sensitizing mutations。
不过有一个非常重要的结构计算细节：
不要期待突变后一定出现“肉眼可见的大结构变化”。
一些晶体结构研究发现，Ex19del和WT整体结构差异可能并不巨大，真正重要的可能是构象分布、动态行为以及active/inactive state population改变。
这就是为什么：
MD往往比单纯的静态结构比较更有价值。
五、Exon 20 insertion为什么反而容易耐药？
这就是一个非常漂亮的结构药理学案例。
典型：
D770_N771insNPG
发生在：
αC-helix / αC-β4 loop附近插入的氨基酸形成一个类似：
structural wedge（结构楔子）
把αC-helix推向active conformation。
可以理解为：
WT
αC-helix
↔
inactive / active
Ex20 insertion
NPG
↓
[WEDGE]
↓
αC-helix → ACTIVE因此：
Ex20 insertion
↓
αC-helix被锁定
↓
active kinase
↓
持续信号但问题来了：
为什么它不像L858R一样对经典TKI敏感？
关键在于：
ATP affinity 和 inhibitor affinity 的变化不一样。
L858R / Ex19del：
ATP affinity ↓
↓
TKI相对更容易竞争ATP
↓
drug sensitivity ↑而典型Ex20ins：
ATP affinity ≈ 保持
↓
ATP仍然强烈竞争
↓
经典TKI难以获得足够选择性同时，插入突变会使：
αC-helix + phosphate-binding loop（P-loop）
发生位置变化，部分药物进入结合口袋时出现steric hindrance（空间位阻）。
这就是：
为什么“都是EGFR激活突变”，但药物敏感性却完全不同。
六、所以我们可以建立一个非常漂亮的结构模型
把三个突变放在一起：
EGFR kinase domain
N-lobe C-lobe
┌─────────────┐ ┌───────────────┐
│ │ │ │
│ β-sheet │ │ catalytic │
│ │ │ loop │
│ αC-helix │ │ │
│ ↓ │ │ activation │
│ ATP │ │ loop │
└─────────────┘ └───────────────┘
↑ ↑ ↑
Ex19del L858R T790M
↑
Ex20ins更准确地说：
突变 | 主要影响 |
|---|---|
Ex19del | β3–αC loop / αC-helix |
L858R | activation loop |
Ex20ins | αC-helix/αC-β4 loop |
T790M | ATP pocket gatekeeper |
C797S | ATP pocket / covalent inhibitor site |
七、接下来就进入你真正关心的：怎么做结构预测？
这里建议你不要一上来就AlphaFold。
如果研究EGFR：
第一优先级
直接使用实验结构。
因为EGFR kinase domain已经有大量：
- WT
- L858R
- Ex19del
- T790M
- drug-bound
晶体结构。
例如经典EGFR-erlotinib结构：
PDB: 1M17
就是非常经典的EGFR kinase结构。
八、什么时候使用AlphaFold？
如果研究的是：
EGFR-WT
EGFR-L858R
EGFR-Ex19del
EGFR-Ex20ins并且某个具体突变没有实验结构：
可以：
方法1
AlphaFold 3 / AlphaFold 2预测
EGFR-WT
↓
结构预测
EGFR-L858R
↓
结构预测
EGFR-Ex19del
↓
结构预测
EGFR-Ex20ins
↓
结构预测然后比较。
但是：
AlphaFold给你的主要是一个静态结构模型，而突变导致的功能差异往往属于构象动力学问题。
因此：
AlphaFold → MD
通常比：
AlphaFold → docking
更加合理。
九、推荐完整计算流程
如果以后想真正做一个论文级的EGFR计算药物研究，可以按照：
EGFR mutation
│
┌───────────┼───────────┐
↓ ↓ ↓
L858R Ex19del Ex20ins
│ │ │
└───────────┼───────────┘
↓
Protein structure
↓
Experimental PDB / AF3
↓
Structure QC
↓
WT vs mutant comparison
↓
Molecular dynamics
↓
┌────────────────┼─────────────────┐
↓ ↓ ↓
RMSD/RMSF Rg/H-bond PCA/DCCM
↓ ↓ ↓
Conformational analysis
↓
Binding pocket
↓
Drug docking
↓
┌───────────┼────────────┐
↓ ↓ ↓
Gefitinib Osimertinib New compounds
↓ ↓ ↓
MD simulation
↓
MM/PBSA/MMGBSA
↓
Binding free energy
↓
Lead compound selection
↓
Experimental validation十、第一步：获取EGFR结构
建议优先从PDB获取。
例如：
WT EGFR
可以选择经典：
1M17
EGFR kinase + erlotinib。
还可以寻找：
- EGFR WT apo
- EGFR L858R
- EGFR T790M
- EGFR Ex20ins
- EGFR + gefitinib
- EGFR + osimertinib
十一、第二步：建立突变体
例如你有：
WT EGFR要构建：
EGFR L858R
EGFR E746_A750del
EGFR D770_N771insNPG
EGFR T790M可以使用：
- PyMOL
- ChimeraX
- FoldX
- Rosetta/PyRosetta
- Modeller
非常建议你把这个EGFR案例作为PyRosetta练习项目。
十二、为什么不能直接把突变后的结构拿去Docking？
这是非常关键的一点。
例如：
WT EGFR
↓
L858R直接：
L858R
↓
Docking
↓
Osimertinib存在一个问题：
突变侧链只是“换了一个氨基酸”，并不代表整个蛋白已经达到了真实的突变构象。
所以需要：
mutation
↓
side-chain repacking
↓
energy minimization
↓
MD equilibration
↓
conformational sampling
↓
representative structure
↓
docking这会更加可靠。
十三、第三步：能量最小化
比如：
EGFR-L858R
↓
添加氢
↓
补缺失原子
↓
选择质子化状态
↓
force field
↓
Energy minimization可以使用：
- AMBER
- GROMACS
- OpenMM
- Rosetta
推荐：
GROMACS作为MD主工具。
十四、第四步：MD模拟
这一步实际上是整个研究最关键的地方。
例如：
EGFR-WT
EGFR-L858R
EGFR-Ex19del
EGFR-Ex20ins分别：
Protein
↓
TIP3P water
↓
Na+/Cl-
↓
NPT
↓
Equilibration
↓
Production MD例如可以设计：
每个体系：
3 × 100 ns
或者
3 × 200 ns而不是只跑一次100 ns。
因为：
单次MD trajectory很容易受到初始构象和随机速度的影响。
十五、MD到底看什么？
RMSD、Rg、氢键等。
1. RMSD
看整体结构稳定性：
RMSD
│
│ ─────────
│ ──
│ ──
└──────────────── time比较：
WT
L858R
Ex19del
Ex20ins十六、RMSF
看哪些氨基酸运动发生变化：
RMSF
│ /\ /\
│ / \ / \
│_____/____\__________/____\____
↑
αC重点观察：
- αC-helix
- activation loop
- P-loop
- gatekeeper region
- catalytic loop
如果L858R导致activation loop运动模式改变：
RMSF可能直接体现出来。
十七、Rg
EGFR kinase domain：
Radius of gyration主要用于判断：
整体紧致程度有没有变化。
但对EGFR突变而言：
Rg通常不是最有解释力的指标。
所以不要把论文重点放在Rg。
十八、氢键分析
非常重要。
例如：
L858R
↓
Arg858
↓
与附近残基形成新的
electrostatic interaction
/H-bond
↓
activation loop稳定这类分析可以直接把：
“突变”
连接到：
“结构机制”。
十九、更加重要：距离分析
例如：
Arg858
│
│ distance
↓
Asp / Glu统计：
distance vs time如果：
WT
interaction occupancy = 10%
L858R
interaction occupancy = 70%就能说明：
突变形成了新的稳定相互作用网络。
二十、非常推荐做DCCM
Dynamic Cross-Correlation Matrix：
residue
1 2 3 4 5...
┌─────────────
1 │ + + - -
2 │ + + - -
3 │ - - + +
│它可以回答：
L858R是不是改变了不同结构区域之间的协同运动？
例如：
activation loop
↕
αC-helix
↕
ATP pocket如果突变改变了这些区域之间的动态耦合：
这比单纯说：
“RMSD变化了0.2 Å”
有生物学意义得多。
二十一、PCA也非常重要
Principal Component Analysis：
PC2
↑
│ WT
│ ● ● ●
│
│ L858R
│ ● ● ●
│
└──────────────────→ PC1如果：
WT trajectory和：
L858R trajectory在PCA空间明显分开：
说明：
突变改变了蛋白的主要构象运动模式。
这对于EGFR特别有价值。
二十二、下一步：药物分子对接
假设你研究：
Osimertinib
可以设计：
EGFR-WT + osimertinib
EGFR-L858R + osimertinib
EGFR-Ex19del + osimertinib
EGFR-Ex20ins + osimertinib然后进行：
Molecular docking
常用：
- AutoDock Vina
- Glide
- GOLD
- AutoDock4
你已经在学习 Vina，因此完全可以用：
Vina → PyRosetta/GROMACS → MD
这个组合。
二十三、Docking真正回答什么问题？
Docking主要回答：
“药物能不能以合理构象进入这个binding pocket？”
例如：
EGFR
┌───────────────┐
│ │
│ ATP pocket │
│ ↓ │
│ ┌───────┐ │
│ │ Drug │ │
│ └───────┘ │
│ │
└───────────────┘然后看：
- binding pose
- hydrogen bond
- π-π interaction
- hydrophobic interaction
- salt bridge
- steric clash
二十四、EGFR药物最经典的结合方式
以第一代TKI为例：
EGFR ATP-binding pocket
hinge region
↓
──────────
│
Drug
│
──────────许多ATP竞争型EGFR-TKI会与：
hinge region
形成关键氢键。
所以：
ATP
↓
ATP pocket
Drug
↓
竞争ATP
↓
EGFR phosphorylation ↓
↓
RAS/MAPK ↓
PI3K/AKT ↓
↓
tumor cell proliferation ↓二十五、Osimertinib为什么更厉害？
Osimertinib是第三代EGFR-TKI。
它有一个非常关键的特点：
covalent irreversible inhibition
也就是：
EGFR Cys797
↑
│
└── covalent bond
↑
Osimertinib所以：
Osimertinib
↓
进入ATP pocket
↓
识别Cys797附近区域
↓
形成共价键
↓
EGFR kinase被不可逆抑制这也是为什么在结构计算中：
Osimertinib不能完全按照普通reversible docking理解。
最好采用：
covalent docking / covalent modeling
或者至少在MD中明确考虑Cys797共价连接状态。
二十六、然后进入MD验证Docking结果
这一步就是你之前一直在问的：
为什么Vina以后还要做MD？
原因非常简单：
Vina：
静态结构
↓
搜索几个可能poseMD：
protein + ligand + water
↓
真实动态环境
↓
100 ns / 200 ns
↓
判断这个pose是否稳定因此：
Vina
↓
Top 10 poses
↓
选择合理pose
↓
MD
↓
稳定pose二十七、MD中重点看Drug-Protein interaction
例如：
Hydrogen bond occupancy
Drug
│
├── H-bond → Met793
│
├── H-bond → Lys745
│
└── interaction → Cys797计算：
occupancy比如：
Met793
H-bond occupancy = 82%
Cys797
interaction = 91%比单纯Docking的：
-8.5 kcal/mol
更有说服力。
二十八、再进一步做MM/PBSA
例如：
WT + drug
L858R + drug
Ex19del + drug
Ex20ins + drug计算：
ΔGbind
通常：
ΔGbind = ΔEMM
+ ΔGpolar
+ ΔGnonpolar
- TΔS最终可以比较：
EGFR | Drug | ΔGbind |
|---|---|---|
WT | Osimertinib | -X |
L858R | Osimertinib | -Y |
Ex19del | Osimertinib | -Z |
Ex20ins | Osimertinib | -A |
如果：
L858R -60
Ex19del -58
Ex20ins -40那么可以提出：
Ex20ins对该药物结合不利。
但要注意：
MM/PBSA适合做相对比较和机制支持，不应该把绝对数值当成真实实验Kd。
二十九、如果要真正“设计药物”，应该怎么做？
这就进入：
Structure-based drug design
整个过程：
Mutation
↓
Structure
↓
Binding pocket
↓
Hotspot identification
↓
Virtual screening
↓
Docking
↓
MD
↓
MM/GBSA
↓
Lead compounds
↓
Molecular optimization
↓
Experimental validation三十、例如你要针对EGFR Ex20ins设计药物
这是非常有研究价值的。
因为Ex20ins存在：
经典TKI耐药问题。
结构研究发现：
Ex20 insertion
↓
αC-helix位置变化
↓
ATP pocket空间变化
↓
经典TKI steric clash
↓
drug resistance因此你的设计策略可以是：
Strategy 1
寻找：
能够避开steric clash的ATP-site inhibitor
Strategy 2
设计：
Covalent inhibitor
寻找Cys797附近合理exit vector。
Strategy 3
设计：
Allosteric inhibitor
不再直接竞争ATP。
而是：
allosteric pocket
↓
锁定inactive EGFR
↓
阻止activation这类思路非常重要，因为近年来EGFR结构药理学越来越强调：
conformational/selective allosteric inhibition
而不是单纯ATP竞争。
三十一、这就是“突变 → 药物”的完整逻辑
可以把整个科学问题总结成：
EGFR mutation
│
┌─────────────┼─────────────┐
↓ ↓ ↓
L858R Ex19del Ex20ins
│ │ │
↓ ↓ ↓
Activation loop αC-helix αC-helix
│ │ │
└─────────────┼─────────────┘
↓
kinase conformation
↓
active/inactive equilibrium
↓
ATP binding
↓
drug binding pocket
↓
┌────────────┴────────────┐
↓ ↓
sensitive resistant
↓ ↓
EGFR inhibitors novel inhibitors
↓ ↓
Docking Docking
↓ ↓
MD MD
↓ ↓
MM/PBSA MM/PBSA
↓ ↓
validation optimization三十二、如果把它做成一个真正的科研项目
建议直接做下面这个课题：
“EGFR不同驱动突变的结构动力学特征及靶向抑制剂结合机制研究”
设计4组：
Group 1 EGFR-WT
Group 2 EGFR-L858R
Group 3 EGFR-Ex19del
Group 4 EGFR-Ex20ins每组：
apo protein
+
drug-bound protein于是：
4 × 2 = 8个体系
例如：
WT
L858R
Ex19del
Ex20ins
×
apo
osimertinib三十三、计算分析指标可以这样安排
第一层：结构
RMSD
RMSF
Rg
SASA
secondary structure第二层：构象
PCA
DCCM
Free energy landscape第三层：局部结构
重点：
αC-helix
P-loop
activation loop
hinge
gatekeeper
Cys797第四层：药物结合
H-bond
hydrophobic interaction
π-π
salt bridge
contact frequency
distance第五层：自由能
MM/PBSA
MM/GBSA
per-residue decomposition三十四、最终最有价值的是“Residue decomposition”
这个非常适合做论文图。
例如：
Residue contribution
Met793 ███████████
Leu718 ███████
Val726 █████
Lys745 ████
Cys797 █████████
Arg858 ██然后你就可以回答：
到底是哪些氨基酸决定了突变体与药物的结合差异？
进一步：
Mutation
↓
Residue interaction network
↓
Binding pocket remodeling
↓
Drug binding change这就从：
“做MD”
升级到了：
“解释药物机制”。
三十五、进一步可以做虚拟筛选
如果你不是只研究现有药物，而是想：
“寻找一个新的EGFR突变选择性抑制剂”
可以：
EGFR mutant structure
↓
Binding pocket
↓
ZINC / Enamine / ChEMBL等化合物库
↓
Virtual screening
↓
Docking
↓
Top 100
↓
Top 20
↓
MD
↓
MM/GBSA
↓
Top 5
↓
实验三十六、甚至可以进一步做AI药物设计
这就是现在非常热门的方向：
EGFR mutation
↓
Structure
↓
Pocket
↓
AI molecular generation
↓
生成新分子
↓
Docking
↓
MD
↓
ADMET
↓
合成
↓
实验验证例如可以结合：
- AlphaFold 3
- Diffusion-based molecular design
- ProteinMPNN（更偏蛋白设计）
- RFdiffusion（蛋白/结合蛋白设计）
- DiffDock
- GNINA
- AutoDock Vina
- GROMACS
- PyRosetta
形成：
AI + Structure-based Drug Design + MD
的完整体系。
三十七、这里有一个非常重要的现实问题
不能简单理解成：
“Docking分数最低 = 最好的药。”
实际上：
Docking score
↓
只是第一轮筛选真正可靠的证据链应该是：
Docking
↓
合理binding pose
↓
MD稳定
↓
关键H-bond/contact稳定
↓
PCA/DCCM支持构象机制
↓
MM/PBSA支持结合差异
↓
突变体选择性
↓
细胞实验
↓
酶活实验
↓
SPR/ITC/Kd
↓
动物实验最终才能形成完整的药物发现证据链。
三十八、目前EGFR临床药物也可以作为这个体系的真实案例
对于经典：
Exon 19 deletion / L858R
目前临床上已经有多种EGFR靶向方案，第三代TKI osimertinib 是非常重要的代表；FDA也批准其用于这两类EGFR突变的NSCLC，并批准其与铂类化疗联合的一线方案。
此外，2024年FDA还批准：
lazertinib + amivantamab
用于EGFR Ex19del/L858R的一线治疗。
而对于：
EGFR Exon 20 insertion
情况完全不同。
这正好说明：
“同一个靶点、不同突变 → 不同蛋白构象 → 不同药物结合模式 → 不同临床药物敏感性。”
截至目前，FDA已经在2025年批准 sunvozertinib 用于铂类化疗后进展的EGFR Exon 20 insertion转移性NSCLC。
所以Ex20ins是一个非常适合做：
突变结构 → docking → MD → 药物设计
的真实案例。
最后把整套方法浓缩成一句话
真正要学习的不是“怎么跑Vina”或者“怎么跑GROMACS”，而是下面这个逻辑：
EGFR突变改变局部结构和构象能量景观 → 改变αC-helix、activation loop、ATP pocket等关键区域的动态行为 → 改变ATP/TKI结合模式 → 造成药物敏感或耐药 → 利用结构预测、分子对接和MD寻找稳定结合构象 → 用MM/PBSA和残基能量分解定位关键作用残基 → 根据突变特异性口袋设计/筛选新的EGFR抑制剂 → 最终通过酶活、SPR/ITC、细胞和动物实验验证。
这实际上就是一个完整的结构基础药物设计（Structure-Based Drug Design, SBDD）项目。
下一步最推荐直接做一个“EGFR-L858R从PDB结构获取 → PyMOL构建突变 → GROMACS建模 → 100 ns MD → RMSD/RMSF/PCA/DCCM → AutoDock Vina对接Gefitinib/Osimertinib → 再MD → MM/PBSA → PyMOL出论文级结构图”的完整实战案例。
生活很好，有你更好。
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
目录
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号